吃财经

吉林長春，中國第一汽車集團有限公司（下稱“一汽”）總部的一棟大樓裏，幾間會議室變成了公司高級經理們的考場。厚重的大長條形紅實木會議桌擺在中間，每一張桌子能坐下二十多個人，連續六週，一汽的許多高級經理在幾間會議室裏手寫考試。考不及格的要重考，董事長會親自看他們的成績。考試的科目是數字化。

這是去年發生在一汽的故事。過去幾年裏，“如何用數字化重構業務？”是許多傳統企業反覆研究的問題。隨着大模型的橫空出世，這個問題再度升級，傳統企業和大模型廠商迎來新的考題：“如何用大模型改變製造型企業？”

2024年1月，一汽聯合阿里雲通義千問打造的大模型應用GPT-BI落地，這也是汽車行業的首個大模型BI應用。大模型在汽車企業中具體能做什麼？企業數字化積累的數據資產如何與大模型相連？這個過程又給企業和大模型廠商帶來了哪些挑戰？GPT-BI落地的背後，大模型的產業落地進程仍有許多疑問，但一些嘗試也正在開始。

大模型正在改變什麼？

“我們的企業以銷售數據爲主體，比如銷量、客流、經銷商排名，原先是做表的，現在我們只要拿起手機問，表自動做出來。”一汽的一位工作人員向記者展示了GPT-BI的問答過程，只要輸入提問，數秒後，近期一汽的銷售情況就會以數據和報表的形式輸出，汽車分區域銷售情況、銷售排名等都能一鍵生成。目前，這是一汽領導層最常使用GPT-BI的場景。

“AI應用到我們的實際工作中還有更多場景。”中國一汽紅旗品牌運營委員會副總裁門欣表示，整車在開發過程中有大量的數據，汽車生產的尺寸匹配、工藝評審、裝配策略等都有着文件式嚴格的專業方向要求，這些環節原先都是用人去衡量的，如今紅旗基於這些數據和要求生成了紅旗汽車的自動評價模型，引進到整車誕生過程中，一些原本需要花費20天、50天甚至80天以上的環節，在工作臺上只需要秒級或天級就能解決。

縮短BI分析的報表設計、數據建模等交付週期的同時，從GPT-BI的研發方向來看，它也可能爲一汽的決策提供更多參考。相關工作人員介紹，例如，當問到“爲什麼某車型產量不及預期”時，未來大模型可先將預期產量和實際產量對比，得出差值後，不僅僅對顯性變量的分析（例如：生產因設備等原因的異常停產20分鐘、某型號配件質量異常等），而且能夠分析涉及的所有變量（例如：原材料供應波動、能源消耗及供應穩定性）。通過對數據排查，最終找出關聯性最大的原因並生成可視化報表。

同時，門欣透露，大模型的出現也很大程度上改變了企業做數字化的思路。在數字化過程中建立了業務單元工作臺後，一汽原本設想通過傳統的方式去做解構、訓練工作臺中積累的數據，來提升工作臺的能力。但大模型的出現改變了AI訓練邏輯，工作臺生成的海量數據有了更大的可能。

“目前業務單元之間上下游的關係都是按傳統定義好的方式輸入輸出的，但有了大模型後，我們可以把業務單元的傳遞關係，從傳統關係型調整成數據相似型。就像DNA一樣，汽車開發過程的數據也是線性、相似地衍變，一箇車型的車身尺寸，一道一道工序的開發過程，一定是基於現有的數據發生一部分的增刪查改的變量，帶來價值的矢量。”這成了門欣最近常和團隊探討的問題，他認爲：“我們有可能改變整個企業原有的管理模式，變成完全基於數據的一箇業務模式構建的流程。”

行業大模型仍需闖關

儘管大模型正將製造行業的未來藍圖徐徐展開，但在當下，大模型與傳統行業的“接軌”仍有衆多關隘要過。

一汽GPT-BI的落地很大程度得益於其過往在技術上的積累。從2022起，一汽開始佈局數智化轉型升級，到了2023年，一汽組成專項團隊，成立大模型能力中心。一汽體系數字化部數據創新與試驗部總監蔣漢卿介紹，一汽做GPT-BI的大模型能力中心主要有兩部分成員，一部分是原本負責一汽數字應用的人員，一部分來自於一汽的2053實驗室。2053實驗室是一箇以機器視覺爲出發點的實驗室，許多企業做機器視覺都是買模型，但在過往兩年佈局數字化的過程中，一汽堅持自研從而培養出了AI團隊。最終，一汽大模型能力中心在阿里雲專家的加持下，用一箇月的時間上線了基於一汽場景的GPT-BI。

對許多想要做專屬大模型的公司來說，能不能在內部找到相關的人纔是一箇重要的問題。2020年人社部發布的《新職業——人工智能工程技術人員就業景氣現狀分析報告》顯示，我國人工智能人才缺口已超過500萬，國內的供求比例爲1∶10，供求比例嚴重失調。預計到2025年，人才缺口會突破1000萬。脈脈高聘數據顯示，2023年1月至5月，各行各業人工智能方向的人才供需比均低於1，人工智能成爲“最缺人”的行業。大模型廠商的技術支持或許能爲企業解決部分問題，但即便拋開企業的安全顧慮，技術與業務場景的結合也需要一些內部視角。

“我們在營銷領域也引進了大模型，變成對話交互的時候讓大模型回答顧客的問題，這樣就變成了銷售顧問自身的人的處理能力和大模型對汽車亮點、特點的學習雙線服務顧客。”門欣透露，此前團隊覺得這個模塊做得還不錯，但一聽銷售顧問的意見，才發現做的東西根本不對路，後來把4S店的銷售顧問引進團隊，讓他們提意見、參與共創，纔有了更好的創新。即便有了打造大模型的能力，對業務場景的理解不夠，也會讓大模型難以真正發揮效能。

2023年下半年，行業大模型成爲國內大模型“下半場”競賽的關鍵。阿里雲發佈基於通義千問的八大行業大模型，華爲雲發佈盤古醫學大模型等消息層出不窮，在醫療、金融、法律等行業的大模型應用中也不乏騰訊、百度等大模型廠商的身影，小到汽車的智能座艙，大到各行各業的營銷、客服場景都在因大模型而變化。但無法迴避的是，行業大模型仍處在初級階段，大模型在產業側的落地仍需找到更多的場景。

“一汽要把所有的業務用GPT-BI大模型重做一遍，因爲大模型是面向未來生產力、生產關係的基石。”門欣如是說。但談及大模型應用後給一汽在成本、產品設計等方面帶來的具體提升時，一汽體系數字化部副總經理陳韻坦言，系統重構是真正獲利的，過去一汽是24個月做一箇車型，現在是以周來衡量，但總的來說，一汽的AI驅動剛開始，AI還需要積累一段時間才能拿出數據去說明其效果。

雲廠商的轉身

“阿里雲在我這裏掙不了多少錢的，因爲強總跟我談合同的時候，我說不要談合同，我們和阿里雲團隊更多是在共同探索傳統企業數字化轉型如何走，如何面向未來發展路徑的問題。”門欣談起與阿里雲智能副總裁、汽車能源行業總經理李強溝通合作時的場景，阿里雲從最開始希望簡單做一箇商務轉化，或者把雲賣給一汽，轉向了與一汽聯合打造大模型。

事實上，在大模型落地行業的過程中，大模型廠商要做的服務正在變得更爲複雜。 阿里雲智能通義業務負責人徐棟介紹，目前大模型有四種部署方式，第一種是基於token，可以簡單理解爲SaaS模式，賬號進來就可以用；第二種是公有云的VPC（Virtual Private Cloud）方案，數據不會落到大模型上，有可控的日誌的管理和監控；第三種模式是私有化輸出，相當於模型獨立地對外輸出；第四種模式是在端上的部署。四種方式在算力消耗、場景上都會有很大的不一樣。

四種部署方式的背後，大模型廠商要面對更多不同需求的客戶。第一種方式最簡單，通過調用API，非常直接高效，李強透露一些車企已經在用了，部署非常快，以周爲單位。而阿里雲未來將和一汽長期合作的主要方向則是公有云的VPC方案，它首先要解決客戶的數據安全感問題。一汽體系數字化部數據創新與試驗部總監蔣漢卿表示，數據的問題是一汽在和阿里雲共同做GPT-BI探索時非常關注的問題，按照國家數據的分類分級要求，有些企業的核心數據是不能上傳的，數據泄露成了一大擔憂。面對這類客戶，公有云要有VPC的專屬區域，在區域裏做到隔離的狀態，來解決數據的專屬性。

在將大模型推向行業、製造型企業的過程中，如何解決企業的數據安全焦慮將是大模型廠商的長期課題。“我還是想再說一下，大家談到公共雲就好像是不安全的。其實從阿里雲2009年開始做，到2024-09-20 已經15年的時間了，我認爲（上公共雲）就像把錢存到銀行裏是一樣的。”李強在接受媒體採訪時以此回應着企業對數據安全的擔憂，但云廠商們顯然仍要拿出更多解決方案去回答這個問題。

同時，儘管大模型在端上部署的話題2024-09-20 看起來還很遙遠，但徐棟透露，阿里雲和手機廠商們已經在探討大模型放在終端跑起來的問題，1.8T的小模型2023年就跑在了手機上。目前也有一些芯片廠商和阿里雲聯合做4D模型，計劃跑在2025年之後的手機上面。未來，大模型跑在手機端、自動駕駛汽車終端等場景的機會，大模型廠商都需要關注。

值得一提的是，與一汽聯合做GPT-BI的案例背後，阿里雲對政企業務的態度也值得關注。2023年11月。阿里雲提出公共雲優先戰略，對所有產品和業務模式做取捨，減少項目制銷售訂單。一時間，阿里雲還要不要做一些央國企、政府的訂單受到外界關注。

與一汽的合作意味着阿里雲並未放手政企業務。某種程度上，行業大模型落地中的安全性、專屬性也在讓雲廠商回到必要的項目制訂單中。“無論是做行業大模型、AI應用還是企業內部的系統重構，外部IT廠商一定是做不長的，畢竟企業才真正掌握場景、知識、數據等。我覺得阿里雲跟政府、各個層面的合作中，還是做好一箇基礎資源、基礎能力、基礎組建的提供， 更大的創新想法和空間一定來自客戶自身。”一位阿里雲內部人士表示。